Recursos · Integración n8n

Nodo Sentiment Analysis n8nConfigura Sentiment Analysis en n8n.

Clasificar el tono de un mensaje pasa a ser una rama del flujo, no un script que mantener. El nodo Sentiment Analysis n8n lee un campo de cada item, se lo pasa a un modelo de chat y envía el item por la salida que coincide con su categoría. Seis parámetros, un puerto de modelo obligatorio y nada que autenticar.

Probar el nodo Sentiment Analysis en n8n Ver los 6 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo Sentiment Analysis n8n?

Sentiment Analysis es un nodo raíz: recibe los items por su entrada principal, lee el texto que le señalas y se lo entrega a un modelo de chat conectado a su puerto. Un puerto es el conector que hay bajo el nodo, donde se engancha un subnodo, y un subnodo nunca se ejecuta por su cuenta. A la salida hay una rama por categoría, así que el reparto ocurre dentro del nodo y no en una cadena de nodos If colocados después.

Primer escenario: una bandeja de soporte. Los mensajes entran, Text to Analyze apunta a su contenido con una expresión como {{ $json.text }} y el nodo separa a quien está enfadado del resto. Una expresión es la sintaxis {{ }} con la que n8n saca un valor del item que está procesando. La rama negativa termina en un canal de Slack y el resto se archiva sin molestar a nadie.

Segundo escenario: reseñas de producto. Un formulario o una página rescatada llena una hoja, el nodo clasifica cada fila y el resultado vuelve a Google Sheets junto al texto original. Con Include Detailed Results activado, cada fila lleva además la fuerza y la confianza que estimó el modelo. Sirve para ordenar una lista pendiente, siempre recordando que esas puntuaciones son indicadores aproximados.

Tercer escenario: una regla de escalado. Un item negativo dispara un borrador de respuesta por Gmail y todo lo demás se detiene ahí. Unas Sentiment Categories propias afinan la regla, porque entre una queja leve y un cliente que se marcha hay mucha distancia.

¿Cuándo conviene otra cosa? Si la pregunta es de qué habla el mensaje y no cómo lo dice, esto ya no es análisis de sentimiento. Si el tratamiento necesita varios pasos, llamadas a herramientas o una conversación, el nodo raíz que toca es el AI Agent, y este se queda con su única pregunta. No guarda memoria de un item al siguiente.

Los límites, sin rodeos. El acierto depende del modelo conectado y del idioma del texto: un modelo que maneja mal ese idioma clasificará mal, da igual las opciones. El formato de salida puede desviarse, y para eso está Enable Auto-Fixing, a cambio de una llamada extra. Con volúmenes grandes conviene trocear la entrada y ajustar Batch Processing. Proveedores como OpenAI o Anthropic cobran sus propias llamadas de API; n8n no añade nada.

Conexiones

¿Qué se conecta al nodo?

Nodo raíz en la entrada principal, subnodo debajo: Sentiment Analysis reparte y el modelo de chat lee. Un modelo de chat es el subnodo que guarda el credential del proveedor, o sea la clave de acceso registrada en n8n, y que responde al prompt.

Puertos (qué se conecta)

Chat Modelai_languageModelobligatorio

01Chat ModelEste puerto le da al nodo el modelo que va a clasificar cada texto. Si se queda vacío, el nodo no arranca: no hay nada capaz de devolver una categoría.

Este puerto le da al nodo el modelo que va a clasificar cada texto. Si se queda vacío, el nodo no arranca: no hay nada capaz de devolver una categoría.

Parámetros clave

Required: sin un modelo conectado aquí, la ejecución se bloquea.
OpenAI Chat Model: el punto de partida habitual cuando el equipo ya tiene clave de ese proveedor.
Anthropic Chat Model o Google Gemini Chat Model: mismo puerto, otro proveedor, se cambia arrastrando otro subnodo.
Ollama Chat Model: la opción cuando el texto no puede salir de tu infraestructura.

Casos de uso

con mensajes en varios idiomas, elegir bien el subnodo pesa más que cualquier opción del nodo.

Parámetros

¿Qué hace cada parámetro?

El nodo Sentiment Analysis tiene 6 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

Text to Analyze

inputText

Lo que ves en n8n

Notas y casos de uso

Es el único campo obligatorio del nodo. Indica qué texto hay que clasificar, ya sea escrito directamente o como referencia a los datos de un nodo anterior.

Parámetros clave

Text to Analyze: una cadena, casi siempre una expresión como {{ $json.chatInput }} cuando el item viene de un chat o de una mensajería. Por defecto el nodo espera un campo text.

Casos de uso

apuntar a {{ $json.content }} clasifica el cuerpo de un artículo recogido por un feed; en un flujo de soporte se apunta al campo que lleva las palabras del cliente.

Sentiment Categories

options.categories

Lo que ves en n8n

Notas y casos de uso

Las categorías fijan las respuestas permitidas al modelo y, de paso, las salidas del nodo. Cambiarlas es cambiar las ramas que cuelgan debajo.

Parámetros clave

Sentiment Categories: una lista separada por comas. Por defecto Positive, Neutral, Negative, con la opción de una escala más fina como Very Positive, Positive, Neutral, Negative, Very Negative.

Casos de uso

en opiniones de clientes, una escala emocional del tipo Excited, Happy, Neutral, Disappointed, Angry abre cinco salidas que hay que cablear una a una. Ojo: el cableado antiguo deja de encajar tras el cambio.

System Prompt Template

options.systemPromptTemplate

Lo que ves en n8n

Notas y casos de uso

Aquí sustituyes las instrucciones que se le mandan al modelo en lugar de quedarte con las del nodo. Es la palanca cuando los resultados son correctos sobre el papel pero no coinciden con lo que el negocio llama negativo.

Parámetros clave

System Prompt Template: una cadena que se usa tal cual como plantilla de prompt de sistema. Se apoya en el marcador {categories} para inyectar tu lista de categorías.

Casos de uso

un texto que pide juzgar el tono hacia el producto e ignorar las quejas de envío estabiliza una cadena de reseñas. Cuenta con retocarlo varias veces sobre items reales.

Include Detailed Results

options.includeDetailedResults

Lo que ves en n8n

Notas y casos de uso

Activado, este parámetro enriquece cada item más allá de su categoría. Se nota en cuanto una persona revisa la salida después.

Parámetros clave

Include Detailed Results: un booleano que añade la fuerza del sentimiento y las puntuaciones de confianza a la salida. Esos valores salen del modelo de lenguaje: órdenes de magnitud, no mediciones.

Casos de uso

un resumen semanal que coloque primero los items más negativos necesita este interruptor, porque la categoría sola no permite comparar dos quejas.

Enable Auto-Fixing

options.enableAutoFixing

Lo que ves en n8n

Notas y casos de uso

A veces el modelo responde con una forma que el nodo no logra leer. Este ajuste se ocupa de ese caso en vez de dejar caer la ejecución.

Parámetros clave

Enable Auto-Fixing: un booleano. Cuando la salida está rota, el error de lectura vuelve al modelo con una petición de corrección, lo que puede provocar una llamada adicional.

Casos de uso

en un proceso nocturno que nadie vigila, esa llamada de más sale más barata que una ejecución caída. Con un modelo que ya devuelve formato limpio y un presupuesto ajustado, dejarlo apagado mantiene previsible el número de llamadas.

Batch Processing

options.batching

Lo que ves en n8n

Notas y casos de uso

Esta colección marca el ritmo al que los items llegan al modelo. Empieza a importar en cuanto una ejecución pasa de un puñado de textos.

Parámetros clave

Batch Size: cuántos items se procesan en paralelo. Va bien para repartir las llamadas, aunque el orden de los registros puede resentirse.
Delay Between Batches: un retraso en milisegundos entre lotes, también para repartir las llamadas.

Casos de uso

importar un mes de reseñas de golpe choca enseguida con los topes del proveedor; un lote más pequeño con un retraso de 2000 milisegundos convierte una ejecución fallida en una lenta pero completa.

Necesitas ayuda

¿Necesitas ayuda para automatizar Sentiment Analysis con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Sentiment Analysis y n8n, las preguntas que vienen después

01¿El nodo Sentiment Analysis es gratuito en n8n?

Sí. Forma parte del paquete de IA que viene con n8n, así que no hay nada que instalar ni en n8n Cloud ni en una instancia autoalojada con la Community Edition bajo licencia Sustainable Use. El flujo se comporta igual en ambos casos y n8n no cobra nada extra por el nodo. Lo que sí cuesta es el modelo que va detrás: el proveedor del modelo de chat conectado factura sus propias llamadas de API según sus condiciones. El nodo hace una llamada por item, más otra cuando la corrección automática entra en juego con una salida rota.

02¿Qué credenciales necesita el nodo Sentiment Analysis?

Ninguna en el propio nodo. No hay campo de credential ni selector Authentication que rellenar, y conviene decirlo porque no es lo habitual. La autenticación vive un piso más abajo, en el subnodo de modelo de chat conectado al puerto Chat Model: ese subnodo guarda la clave del proveedor. La puesta en marcha son dos gestos. Arrastras un modelo de chat bajo el nodo, rellenas su credential una vez y queda disponible para los demás nodos de IA de la instancia. Al nodo de sentimiento solo le falta su campo Text to Analyze.

03¿Qué límites tiene el nodo Sentiment Analysis n8n?

El nodo hace una cosa: coloca un texto en una de tus categorías y dirige el item en consecuencia. No guarda memoria entre items, así que nada se arrastra del mensaje anterior. La calidad depende del modelo conectado y del idioma del texto; un modelo que maneja mal ese idioma clasificará mal, haya las opciones que haya. La fuerza y la confianza son estimaciones del modelo, no mediciones. Con volúmenes grandes, trocear la entrada y ajustar Batch Processing es lo práctico. Esta página describe la versión 1 del nodo.

04¿Nodo Sentiment Analysis o AI Agent, qué conectar?

Elige Sentiment Analysis cuando la pregunta sea una única clasificación y la respuesta tenga que dirigir el item. Elige un AI Agent cuando el trabajo pida varios pasos, llamadas a herramientas o un ida y vuelta. Como mínimo, este nodo necesita una sola cosa conectada: un modelo de chat en su puerto obligatorio. Para empezar, un OpenAI Chat Model o un Anthropic Chat Model con la temperatura en 0, o muy cerca, es el montaje recomendado, porque una temperatura baja mantiene resultados estables entre ejecuciones.

05¿n8n o Make para analizar sentimiento?

Depende de dónde tengan que quedarse tus datos. n8n se autoaloja con Docker o npm, o se usa en n8n Cloud, y el flujo es idéntico en ambos casos: un texto que no puede salir de tu infraestructura se clasifica con un modelo local. Make solo es alojado, sin opción de autoalojamiento, y factura por operación, lo que cambia las cuentas cuando una ejecución clasifica miles de items. Las dos ofrecen un lienzo visual. Los criterios que deciden son el alojamiento, el control de los datos y el modelo de coste.

Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.